人工知能の普及に伴い、人間と機械との間の言語コミュニケーション技術はますます注目を集めているが、会話をうまく生成することは困難な課題である。ヒューマンマシンの会話における重要な要素は、マシンが一貫した感情表現をレスポンスとして提供できるかどうかである。我々の論文では自己回帰モデルによって時系列を考慮して感情推定するモデルを提案する。このモデルは文章から感情値を抽出し、感情値を時系列処理することで一貫性のある感情推定をする。我々は、モデルと比較モデルとの比較を行い、感情的な一貫性に関して少し良い結果が得られることを見出した。現在の研究段階では感情推定を行う上で問題も存在するが、時系列処理は感情推定において有効性があることが分かった。

本研究では、ファジィC4.5決定木を用いた感性分析法のアンケート項目から欠落した評価項目を補完する決定木構築法を提案する。 印象分析のためのアンケートでは、ユーザが強調する項目を省略すると、感性分析が適切に行われない可能性がある。 そこで、Fuzzy C4.5アルゴリズムを用いて決定木を生成し、アルゴリズムの特徴である情報利得比の関係から評価項目の評価値を推定する。 次に、推定された欠落項目を補完するファジィC4.5決定木の分類能力を、シミュレーションにより標準のファジィ決定木と比較する。

講義や授業において，学生の科目に対するモチベーションの向上というのは，学業成績との結びつきが強く，教員にはモチベーションを向上するための教育スキルが求められる．事実，現代教育学でも，学生自身のモチベーションが学習効果に多大な影響を及ぼすことが指摘されているだけではなく，学生のモチベーションの向上が非常に重要視されている．本稿では，学生のモチベーション把握のためにアンケートを行い，type-2ファジィ分割表を応用して各要因について調査を行い，クラメールの連関係数を用いてCS分析を実行する．さらに，講義・授業における改善項目とその優先順位の抽出を試みる．

LDAに基づいた確率的トピックモデルは，文書の中に潜在的に存在するトピックを抽出するのに広く用いられている．近年，多くのLDAの拡張モデルが提案されていて，中でもGaussiain LDA(G-LDA) が注目されている．G-LDAはトピックモデルと単語の分散表現を組み合わせたものであり，LDAにおける離散の単語分布を，単語の分散表現の空間上における多変量正規分布に置き換えたものである．これにより，トピックに単語の意味知識を反映させることが可能になる．本研究では，G-LDAにおける事後分布推定の方法に効率的な手法であるStochastic Variational Inference (SVI)を適用している．この手法は，大規模テキストに対して効率的なトピック推定を可能にし，逐次的な学習にも有効である．

Word2Vecを用いて単語の意味関係をベクトルへ埋め込む分散表現型単語ベクトルが近年注目を集めている．さらに，この単語ベクトルは，構文解析や文書分類など，言語処理分野において幅広く利用され，その有効性も報告され始めている．一般的に，単語ベクトルとして利用されるのは，Word2Vec学習ネットワーク上の入力側重みであり，同時に生成される出力側重みは利用されない．これに対し著者らは，対となる出力側重みの有用性に着目し，本稿において，前者と後者を併用した単語ベクトルを提案する．また，実際に単語ベクトルの性能評価実験を行い，その有効性を示す．

テキストから製品やサービスに対する評判についての情報を抽出する技術は評判分析と呼ばれる．本研究では，評点が与えられていないテキストデータから記述者の評価がポジティブかネガティブかという感情極性をトピックとともに推定する教師なし評判分析モデルを提案する．トピックモデルを拡張し感情極性語辞書の知識を取り入れることで，提案モデルは記述者がどのような観点で評価対象をポジティブ／ネガティブと捉えているかを分析できる．

本稿では，都道府県議会会議録中の発言文から理由・根拠付きの意見を自動抽出する手法について述べる．筆者らは一定期間の47都道府県議会会議録の横断検索が可能な「都道府県議会会議録検索システム」を一般に公開している．ユーザはシステムを用いることで，キーワードを含む議員の発言内容や発言量の地域差を視覚的に把握することができる．一方で現システムでは，議員が意見を述べている部分を抽出するような，キーワードを一意に決定できないタスクは困難である．理由や根拠が明記された意見を含む発言はユーザにとって，議員の考えを理解するために有用である．本研究では述語項構造を用いてそのような意見を含む文の抽出を行う方法を検討する．

本論文では、ユーザの嗜好を考慮し、ユーザの運動に対するモチベーションを維持することを目的としたシステムを提案する。 近年、世界中で生活習慣病が流行しており、健康に関心のある人々が増加している。 生活習慣病を予防する1つの方法として運動を継続することが挙げられる。 しかし、継続して運動することは様々な要因から困難であると予想される。 私たちは、ユーザに運動を継続させるために、ユーザが運動を楽しいものとして感じることが必要であると考えた。 そこで、ユーザの嗜好情報を用いたシステムを構築し、ユーザが運動の楽しさを感じるかどうかの実験を行った。 その結果、ユーザーは運動の楽しさを感じることができた。

単純作業中の意図せぬヒューマンエラーはしばしば重大な事故を引き起こしている。本論文ではヒューマンエラーの原因の一つである、マインドワンダリングに着目した。十分に習熟した単純判断課題において、手遊びを始めとした副課題が主課題へどのような影響を与えるのか調査を行なった。実験にはAX-CPT課題を使用し、正答率と反応時間、疲労度を比較した。

ストレスというものが現在社会を生きている人々には非常に大きな問題となってきている。そこで本研究では、ウェアラブルデバイスを用いることで日常的にストレス測定を行い、従来研究より自然な測定結果を得る手法を提案する。また、そのストレス測定のデータからリアルタイムにユーザーのストレスを管理し、蓄積されたストレスを発散するための対処法を支援する、という一連のシステムを提案する。

近年，脳神経科学分野において脳神経活動を定量的に理解する研究が盛んに行われている．また，近年の深層学習の成果を取り入れて脳活動データを解読する研究も報告されている．そのような深層学習を用いて脳活動データを取り扱う際，学習のために大量のデータが必要である．一方，functional Magnetic Resonnance Imaging (fMRI) を用いた脳活動データは機械学習のために使用できるデータ数が不足するといった問題が生じる．これらの背景を踏まえて，本研究では異なる被験者の脳活動データ同士の対応関係を学習し一つの形に統一することで，データを擬似的に増やし，それを実際に深層学習に使用できるようにすることを目指す．

　従来，人の推論には直感的推論と論理的推論の2種類があるとされる．これまでに直観的推論はベイズ推論に代表される確率的な手法により，論理的推論はTree探索に代表される記号的な手法により，それぞれモデル化されてきた．一方で，推論と脳部位とを対応付けた研究はあるが，脳の神経回路を考慮した論理的推論のメカニズムについて言及したものは少ない．そこで本研究では人の推論過程は直観的推論と論理的推論に明確に分かれているのではなく，一つの分散ニューラルネットワークのモードの切り替えによりモデル化されるべきであろうと考えた．検証は連想記憶モデルを用い，現在状態より関連する記憶を連想的に探索し，その記憶に価値を紐づけることで行動選択をする直観的推論を実現し，直観的推論にて見出された価値状態に対し，その利得に繰り返しバイアスをかけることにより論理的推論に見える動作を実現した．迷路探索シミュレーションでは，直観的推論に相当する確率的な行動選択と，論理的推論に相当する枝刈りを含むTree探索のような振る舞いが同一モデルのパラメータ変更により表出されることを確認した．

本稿では大脳皮質の構造と学習アルゴリズムを模した時系列予測モデルであるHierarchical Temporal Memory(HTM)に対して、長期依存関係を考慮できる改良を提案する。従来のモデルでは時系列データ中の各データに対して一時刻前のデータとの接続のみを学習していたが、提案モデルでは複数時刻前のデータとの接続を学習させる。そこでHTMの構造においてシナプスの集まりであるセグメントに対して時間軸を導入する。実験により提案モデルは時系列データの予測タスクにおいて従来モデルよりも高い精度を記録することを確認した。

ファジィ推論の一般形として学習型トラピゾイド（台形型）ファジィ推論は三角形ファジィ推論の一般形であり汎用性が高い．また，ファジィ推論を用いたファジィクラスタリングは学習によりクラス識別領域を推定するので，その認識率は高い．ただし，学習には，前件部のトラピゾイドメンバシップ関数と後件部のシングルトン実数値を学習ルールで調整する必要がある．一方で，前件部と後件部の初期値設定も誤差最小のための学習には重要な要因である．前件部のメンバシップ関数の初期配置では，均等配置の初期配置は一般的であるが，後件部のシングルトンの初期値は誤差の精度を大きく左右する要因となる．本研究では，誤差が最小となるクラス判別のファジィルールを決定するために，これらのハイパーパラメータの特性について議論する．さらに，前件部と後件部のパラメータ学習に対する誤差精度への影響度や学習手順，また，学習性を向上させるための学習パラメータへの効率化関数の導入についても議論する．数値例を用いた学習法の評価では，ファジィクラスタリングの最適なファジィルールを獲得するために，拡大的なハイパーパラメータのいくつかの組み合わせを有意性検定により議論する．

本論文では，ドライバの不適切な視覚的注意に誘発しやすい交通環境を特定する画像分析技術の実現を目的として，顕著性マップモデルを拡張した移動体誘目性マップを提案する．顕著性マップモデルは，低次視覚野のボトムアップな情報処理に関する科学的知見を画像処理に応用した，人の視覚的注意を模擬する計算モデルで，輝度や色相などの物体の目立ちやすさに関わる成分を特徴マップとして元画像から抽出して統合することで，人の注視を集めやすい画像領域を特定する．移動体誘目性マップは，移動体との衝突予測に関わる情報処理をトップダウン注意フィルタとして実装し，その出力と顕著性マップを統合することで，移動条件下で人の注意を惹きつけやすい視覚的物体を特定する．

区間重要度推定法が満たすべき望ましい性質の一つとして、一対比較行列の観測回数に伴った区間重要度の推定精度の漸増的収束性が挙げられる。この収束性は意思決定者から得られる情報が多いほど、推定される区間重要度の精度が上昇し，ある値に収束していくことを意味する。本研究では，初期の推定精度が良好な従来の推定法の多くは、残念ながらこの性質をもたないことを数値実験により示すとともに，初期の推定精度が良好でこの収束性をもついくつかの区間重要度推定法を提案する。

多基準意思決定支援手法として、UTA法やUTA-GMS法などの順序回帰、二つの手法の中間的な性質をもつ区間UTA法が提案されている。与えられた選好情報のもとでモンテカルロ法に基づき代替案間の選好確率を求め, 区間UTA法により推定される選好関係との一致度を調べたところ、高い確率で得られる代替案間の選好と区間UTAの選好が一致しない場合があることが分かった。本研究では, 区間効用モデル推定に用いられる評価関数を変更することにより, 種々の設定においてより相応しい選好関係が得られるように改良した区間UTA法を提案する。

本稿では，ショケ積分の入力値，ファジィ測度，出力値の構成を表やグラフを用いて可視化することを試みる．ファジィ測度は，\cite{FSS98_s}で提案されたShapley値の計算方法を用いた重要度相互作用指標を使う．2次元の矩形の組み合わせを用い，その面積は，その評価項目，その順位の重要度を表し，色は相互作用を示すものとしてグラフ化する．OWAオペレータでは，各順位の重要度を各基準への重要度へ等分に配分し，その合計を基準の貢献度として可視化する．ショケ積分の可視化では，各順位の集合のファジィ測度の値をその集合の値のShaply値を使って配分し，その合計を基準の貢献度として可視化する．入力値は，ファジィ測度に対応する入力値の集合関数に変換し，入力値の組の合計を計算するなどし，可視化する．

観光振興施策および観光による各種問題解決のためには観光客の周遊行動把握が重要である．これまではアンケート調査によって観光行動の把握が行われてきた．近年では，レンタカープローブや携帯電話のGPS機能を利用した調査が行われている．しかしながら，どちらもある一定期間の調査に留まってしまうこと，費用が多額になること，歩行による周遊行動が把握できないことなどの課題がある．そこで本研究では，Wi-Fiパケットセンサーを沖縄本島内約50箇所に設置し，周遊行動の推計を行った．発表では推計結果の妥当性およびデータの適用可能性および他の調査との融合可能性について報告する．

電子商取引サイトの市場規模は年々拡大しており，同時にECサイトの数も年々増加している．このような状況において，ユーザがどのような商品や情報に興味や関心を示しているのかを分析し，マーケティングを行うことが重要となっている．特定の商品に対する興味や関心は閲覧回数や閲覧時間と相関があるとされ，それらに基づき，分析が行われている．しかし，実際にはページごとに内容も異なるため，閲覧回数が同じでもユーザが取得している情報には差異があると考えられる．そのため，ユーザが取得している情報を考慮した上で興味や関心が高いユーザを抽出する必要がある．本研究では，アクセスページとアクセス先のコンテンツを考慮して，購入の可能性を推定する手法を考案し，その有効性を評価する．

登山道から外れた状況下において，GNSS（Global Navigation Satellite System）からの位置情報の取得が不可能になると，現在地や登山道を見失い，遭難の最も大きな要因である道迷いにつながる．遭難抑止には，信頼性の高い移動軌跡を道迷い時に要するが，個々のスマートフォンのGPSセンサから取得される位置情報は，取得条件により多くのノイズを含む．この課題の解決策として，スマートフォンにおけるGNSSのノイズ除去手法が提案されているが，樹木などの遮蔽物が多い山岳地帯では連続した位置情報を取得できない．本研究では，Android端末に内蔵されている他のセンサを用いて移動距離と方位角を算出するシステムを開発し，位置測位の補助の適用可能性を試行する．

内閣府は，第五期科学技術基本計画でSociety 5.0を提唱している．これは，インターネットにより全ての人とモノを接続し，仮想空間と現実空間を高度に融合することで，社会の課題を解決する取組である．その一例として，「食と料理×テクノロジー」をテーマとしたスマートキッチンサミットがある．サミットでは，未来のキッチンの構想と新たなライフスタイルの創出を目指して，様々な調理器具が提案されている．しかし，実現には，既存のキッチン用品を買い換える必要があり，実現が不透明な点も多い．そこで，本研究では，距離画像センサと小型プロジェクタを用いて，キッチンをスマート化する方法を提案する．そして，コンセプトキッチン2025を開発し，その実現可能性を考察する．

近年、家庭やオフィスにRoombaに代表されるような掃除ロボットが普及されている。掃除ロボットは掃除作業を実行するロボットであるが、作業の妨げになるような障害物がある場合は人からの支援が必要となる。このとき、ロボットから人に対して支援を必要とする旨の意図伝達を行い、支援行動を喚起することができれば、タスクがよりスムーズに遂行できる。ロボットからの意図伝達を試みた研究に聴導犬ロボットAcToRの研究があり、接触を行うことで緊急性に関する意図を人に伝えられることが報告されている。本研究では、接触を行う対象を人だけでなく第3の物体にも適用することを提案する。ペットの犬はドアを開けてほしいときにドアを引っかくなどの動作を行うことがある。ロボットも同様の動作を行うことで意図伝達と行動喚起に効果があるのではないかと推測する。本実験では、実験室の外に出たいという意図の伝達と実験室のドアを開けてもらう行動の喚起の方法として「接触有り」と「接触無し」の2条件でそれぞれ実験を行い比較する。

聴導犬は難聴者の生活を支援する介助犬である。聴導犬は物理的接触によって、人に目覚まし時計や警報器といった、生活上重要な音を伝達する。聴導犬は難聴者支援において、非常に有力な支援手法である一方、聴導犬の数は非常に少ない。我々はこれまでに聴導犬をモデルとしたロボットの開発が進めてきた。我々の聴導犬ロボットは、ユーザを自律的に探し、移動する機能を持つ。我々は、これまでに、ユーザを探す際、過去にユーザが滞在した場所に関する事前知識を用いた確率モデルによる探索が効率的であることが示した。本論文では、過去のユーザの滞在した場所に関する事前知識に時刻情報を加えた、ユーザの生活リズムを考慮した探索手法を提案する。実験により、この確率モデルを用いた探索が従来手法に比べ効率的探索であることを示した。

複数の参加者のグループとの柔軟な対話を行うプレゼンテーションロボットシステムを開発している。 柔軟な会話を行うためには、ロボットはグループの反応に基づいて相互作用する必要がある。 本稿では、ロボットの相互作用に関する環境計測システムを開発する。 システムでは全天球カメラ、Webカメラ、加速度センサ、Kinectを使用した。 実験として、ロボットプレゼンテーションのデモを行い、開発したシステムを用いて参加者の反応を測定する。 我々は、全天球カメラと加速度センサの結果を用いて、ロボットのインタラクション行動に応用可能かについて議論する。

本論文では自己組織化マップ(SOM) により人の表情の特徴量の差を求めてマルコフ情動モデルでの情動遷移に適用し、コミュニケーションロボットの情動反応モデルを生成する手法を提案する。ここでは情動表出として顔の表情に着目する。例えば、人の情動が移り変わるとき、怒っていた人が笑い出すよりも、泣き出すほうが可能性としては高いと考えられる。その際の表情について怒っている表情は笑っているよりも泣いているほうが似ている表情になる可能性が高いと考えられる。つまり表情の特徴が似ているもののほうが感情として移り変わりやすい。本研究では、このような情動遷移をアンケートにより遷移確率を求め、コミュニケーションロボットを用いてインタラクション実験を行った。

　近年、「ブレイン・マシン・インタフェース」(BMI)と呼ばれる脳波などの生体信号によってコンピュータや福祉ロボットに意思を伝え，“念じる”だけで機械を操作可能になる。定常視覚誘発電位(SSVEP)と言う脳波を使用したBMIシステムはトレーニングが必要ないと高い情報転送速度(ITR)などの利点がある。そのため、SSVEPを用いたBMIシステムが多く開発され、様々な方面で老人や身体障害者の日常生活をサポートしている。本研究では手や腕が欠損又は機能障害の患者の生活の質(QOL)を向上するため、定常状態誘発電位(SSVEP)と言う誘発脳波を用いてサポート用ロボットハンドを制御する非侵襲式のBMIシステムを開発した。　このBMIシステムは、視覚刺激装置、6自由度(DOF)のロボットハンド、EEGレコーダー、及びデータ処理用ラップトップで構成されている。被験者は、ロボットハンドの動作：握り、摘み、腕の回転を表す3つの視覚刺激（5Hz、6Hz、7Hz）中の1つを注視することによって、刺激周波数に対応するSSVEP信号が誘発される。検出されたSSVEP信号は、正準相関分析（CCA）によって分類され、結果に応じ制御信号に変換してロボットハンドを動作させる。三人の被験者のデータを分析した結果、提案されたBCIシステムは、1秒の判定時間および第2高調波の条件において93％の判定率を達成し、高精度であることを示している。

近年,社会問題として少子高齢化に伴う介護市場の労働力不足が懸念されている.[1]その介護の現場から期待を寄せられているのがパワーアシストである.介護の現場でパワーアシストは人を抱える時などに効力を発揮するが着脱に時間がかかるため,一日の仕事を通してみると使い勝手に難があり効率的ではない.装置の着脱に手間がかかる原因はセンサ部にある.パワーアシストに使われている筋電センサには湿式(パッシブ)と乾式(アクティブ)二つの種類がある.現在使われているセンサは湿式がほとんどであり,これが着脱に時間のかかる原因になっている.　パワーアシストに使うセンサとしての性能は乾式電極の方が優れており着脱に手間もかからないが,乾式電極はセンサのケースに使われている素材が固く,長時間皮膚に密着させると使用者に苦痛を与えるため,既存の乾式電極ではパワーアシストに適しているとは言えない.　そこで,本研究ではパワーアシスト装置のように長時間皮膚に接触させても装着者に苦痛を与えず,皮膚との密着力もある柔らかいアクティブセンサを開発することが目的である.

2ハンドで行われている脳血管内治療は、X線透視下で行われているため術者やスタッフの累積被曝が問題となっている。我々はこの問題を解決すべく遠隔操作可能なロボットを開発した。開発したロボットは、ジョイスティックコントローラを用いてカテーテルとガイドワイヤをコントロールすることが可能である。本論では、開発したロボットの設計機構と評価を述べる。

本研究では，ロボットを介して，認知症高齢者同士の集団的なコミュニケーションを生み出すことを目指して，シナリオ型のロボットセラピープログラムを開発した．具体的には，ペットロボットを介してコミュニケーションの雰囲気づくりをした後に，ペットロボットと集団活動（ゲーム）を行うプログラムを開発した．本プログラムは，ペットロボットとの触れ合い，ペットロボットと体操，ペットロボットとゲームから構成される．そして，ペットロボットとゲームにおける高齢者のコミュニケーション発生頻度と感情の表出時間（ARS）を調べた．その結果，高齢者がゲームに参加している際は、通常の生活時間帯に比べてコミュニケーション量が平均で10倍以上増加することが分かった．さらに，コミュニケーションの発生頻度とARS値（良好な感情の表出時間）には強い正の相関があることを明らかにした．

自動運転の周辺環境認識のために，対象物までの三次元距離及び反射強度を計測できるLiDARが広く用いられている．また， LiDARの計測データを用いた三次元地図の生成や歩行者認識のための研究が数多く行われている．しかし，LiDARの計測にはブラックスポットと呼ばれる計測欠落が発生する場合がある．ブラックスポットとは，レーザを照射された物体がLiDARにレーザを反射しない場合に発生する計測の欠落であり，一般的な道路環境で頻繁に発生する．そこで本研究では，レーザの反射が得られない箇所の解析によって，LiDARの計測におけるブラックスポットを補完する手法を提案する．また，提案手法を適用した実験により，ブラックスポットの補完が可能であることを示す．さらに，提案手法の適用によって，全てブラックスポットとなる対象物体の復元と検出が可能となることや，歩行者の認識精度の向上が可能であることを示す．

衝突防止自動ブレーキなど，安全運転支援技術のためにカメラ画像識別技術が広範に用いられているが，画像識別は悪天候や夜間で精度が劣化するため，補完技術として全天候型自然光非依存のミリ波レーダーが有用であり，組込み技術により高速処理可能であることから車載センサとして採用されている．つまり，カメラ画像の誤・不認識状況下で，ミリ波レーダは，事故防止の最後の要と言える．一方，2016年に発生したテスラ社Model SのAutopilotモードは，Highwayを横切った大型トレーラーに衝突する悲惨な事故を起こし，肝心の要が機能しなかった可能性が指摘されている．ミリ波レーダの課題は，１）他の車載レーダからの干渉波，２）多重反射波（マルチパス波），３）歩道橋やガードレールなどからの反射波（クラッタ）による擬似物標認識である．先の事故は，大面積物体からの反射波を「車両ではない」として，障害物としての処理の例外としていた可能性がある．現実的には，車載技術は運転が円滑に行われるよう複数の例外則を組み込むことが多く，状況依存性や柔軟性が課題となっている．本研究では，1-3の問題に対して，移動物体が時系列として整合性を持つ仮定を導入し，複数対象追尾が理論的に保証されている確率仮説密度(Probability Hypothesis Density, PHD)パーティクルフィルタを適用することで，その妥当性と有効性について検討した．基礎実験の結果，PHDフィルタは組み込みシステムが同じ物標を異なるラベルで検知した場合でも，その時系列情報としての整合性から，一貫して同じ物標として捉えることができることがわかった．一方，道路の構造上発生する安定したマルチパス波は，時系列変化が安定しているため，PHDフィルタの単純適用では除去が困難であることが示唆され，前処理としての深層学習等のフィルタとのフュージョンセンサの検討も重要であることがわかった．

近年，多層ニューラルネットワークモデルGenerative Adversarial Network(GAN) がpix2pix 技術としてツール提供され広範な分野で利用可能になっている．本研究では，pix2pixを航空写真からデジタル地図情報における図化の自動変換に適用し，その有用性と特徴的な問題を議論する．大域的特徴抽出では，画像全体に描かれた連続情報（例えば，トンネルに一部隠れた幹線道路）などは真値と整合性が低い．局所情報の統合は，機能的・意味論的な情報コードの取り扱いが重要であることが示唆される.

高知県大豊町では数年前から農場に猿が現れており，農作物被害が発生しています．同地区は農業を主とした地域であるため，農作物の生産量へ直接的な影響を与えています．ワナを使った捕獲方法には， ワナの起動に害獣検知が必要であり， ワイヤー等への接触や赤外線センサーによる自動検知などが実現されているが，これらの方法では単体を検知することしかできない．猿単体で捕獲しても，他の猿がその罠に近づかなくなるため，群れ全体を捕獲する必要がある．本研究では猿の群れを検地する人工知能システムおよびこれを搭載した害獣捕獲システムを開発する．このシステムはカメラと検出システムを使用して画像をネットワークサーバーに送信する．本稿では，システムの構造と方法について報告する．

本稿では，ライントレースカーの作製を示す．低価格で高性能なWiFi内蔵マイコンのESP32とラインスキャンイメージングセンサのTSL1401を実装し，走行した結果を報告する．ま実装実験では，4つのフォトセンサでの単純なファジィ制御を試みた．また，TSL1401でラインスキャン画像を取得した．我々は，滑らかな走行データとTSL1401でラインスキャン画像を取得できた．今後の研究でラインスキャンイメージングセンサを用いたライントレースカーを制作する．

ミニ四駆AIとは、安価高有用システムの研究競技である。その目的は、AIによる制御によってミニ四駆を賢く走行させることである。ミニ四駆の制御において、ミニ四駆の位置や進行方向などの状態を正確に把握することは重要な要素の1つである。同様に、コース形状を把握することも重要である。このような環境地図の作成と自己位置推定を同時に行う手法としてSLAMがある。SLAMを導入するにあたって、複数の情報が同一地点に関する情報か正しく判断可能であることが重要である。よって、本研究は、DPマッチングを用いた同一地点の推定を目的とする。

IoT時代となり大量のシステムデータ、環境データを一元的に集約できるようになった。これらの複雑な関係を持つデータを集約し意味付けるには、ファジィ推論による構造的アプローチが必要であることを明らかにし、基本構成について提案および検討する。

晴眼者は言語情報だけでなく，図形やグラフなどの視覚的情報を用いることで学習の理解を深めることができる。ある全盲の大学教員は，物理学の講義の補助テキストに図やグラフの描画を必要としている。しかし，視覚障碍者が独力で作図可能な支援システムは存在しない。晴眼者の支援が不可欠となります。視覚障碍者自身が作図をする方法として，点図ディスプレイとキーボードを用いる方法が考えられた。そこで，本研究では点図ディスプレイとキーボードを用いた,視覚障碍者用作図支援方法を検討する。

点字教科書等に記載されている触図には複雑に描画されていて理解するのが困難なものが多い．また、触図触察に関する知見が少なく効果的な触察指導方法が確立されていない．関連研究では，どれも視覚障碍者が普段利用する環境に近い状況で実験を行っていない．定量的に計測をし，触察に制限を設けず，点字教科書に用いられている表記方法で実験を行う必要がある．そこで本研究では能率的な触図触察に関する知見の獲得を目的とし，今回は図の把握に苦戦する触図の特徴調査及び触察方法による触図把握への影響を調査すること，そして触図表現に用いられるドットパターンの弁別閾調査を行った．

現在，整形外科手術は手術手技，使用器具の種類が豊富であるため，手術器械の受け渡しを行う器械出し看護師は大きな負担を強いられている．また，人工膝関節置換術において医師の骨切り等を補助するためのナビゲーションシステムは存在するが，看護師の器械出しを補助するためのシステムは確立されていない．そこで，本研究では，スマートグラスを用いて手術中に看護師に手技種類，手技進行度の理解や次に使用する器具の選定の補助を行うシステムの構築法を提案する．本手法では，まず，医師視点の手術映像より画像認識技術である畳み込みニューラルネットワーク(CNN)を用いて手技種類の推定を行う．得られた推定結果より器械出し看護師が装着しているスマートグラスに対して使用器具の選定を物体検出技術により，拡張現実(AR)を用いて指示する．実験では人工膝関節置換術を対象としてCNNを利用した手技認識モデル，手術器具検出モデルの構築及び評価を行った．

Hard C-Means (HCM)法のソフトコンピューティング拡張として，ラフ集合理論に基づきクラスターへの帰属の確実性や可能性を考慮したRough C-Means (RCM)法やRough Set C-Means (RSCM)法が提案されている．クラスタリングは一般に教師なし学習の枠組みで行われるが，部分的に教師情報を与えることで分類精度を向上させる半教師あり学習のアプローチも有用性が確認されている．本研究では，RSCM法において教師情報を活用する方法について検討し，数値実験によりその有効性を検証する．

確率的分割を生成するファジィクラスタリングにおける確率的制約を排除し，可能性的分割を生成する可能性的クラスタリングの有用性が報告されている．さらに，確率的制約を段階的に緩和することで確率的分割と可能性的分割の相互な移行を実現する段階的可能性アプローチが提案されている．共起関係データから共クラスター構造を抽出し分析する手法としてFCCMM法等の共クラスタリング手法が有効であり，FCCMM法においても可能性的クラスタリングへの拡張が提案されている．本研究では，混合多項分布型ファジィ共クラスタリングにおける段階的可能性アプローチを提案し，FCCMM法での確率的分割と可能性的分割の相互な移行を実現する．また，数値実験により提案手法の効果を検証する．

ファジィ共クラスター構造の解釈明瞭化のために，個体だけでなく項目についてもクラスター間で排他的な分割とする改良が提案されている．本研究では，混合多項分布型のファジィ共クラスタリングにおいて，Ruspiniの制約を導入した改良手法を提案する．また，先行研究で提案した項目の排他性のペナルティを導入するアプローチとの特徴の比較について，人工データによる数値実験や文書解析への適用を通して議論する．

本論文では、データから得た特徴の細かさのレベルを表す粒度に着目する。そこで、特徴の粒度をその特徴ベクトルのバッチがなすクラスタの個数として定義し、特徴の多粒度性が機械学習のタスクに与える影響について分析を行う。そのために、明示的に指定したクラスタ数を持つ複数の特徴ベクトルを学習可能な新たなニューラルネットワークおよび正則化方法を提案する。提案ネットワークは内部に分岐構造を有し、それぞれ指定した個数で均等に分割されるよう正則化された複数の部分特徴ベクトルを学習する。クラス分類による評価実験では、教師なしで特徴を学習させた場合に通常よりも精度が向上することが確認された。また、幅広い粒度を持つことは必ずしも良い精度につながるとは限らないことが確認された。

本研究は魚の美味しさを非破壊かつ定量的に評価するためのシステムの開発を目標としている。水産物のおいしさとしては主に脂の乗りや鮮度、歯応えなどが挙げられる。これらは一般的に人の目利きや、化学分析によって判別される。しかし人の目利きでは客観的数値による評価が出来ず、さらに目利き人の熟練が必要である。化学分析は魚肉を破壊しなければ評価が出来ないため、測定に使用された魚は売り物にならない。これらの問題が解決されれば、実際に食べる魚を根拠のある定量的測定により評価できる。また、非破壊であれば生きたままの魚に使うことが出来る可能性もあり、そこで我々は水中でも使用できる超音波を利用した評価システムの開発に関する研究を行った。本研究では，超音波信号から魚肉の脂肪量と歯応えを推定するための手法として自己組織化マップと放射基底関数ネットワークを用いた方法を提案し、その有用性を実験により検証した．その結果，魚肉の脂肪量と歯ごたえを超音波信号から高精度で評価できた．本発表では提案手法について説明し，さらに実験結果について報告をする．

古典的な統計的な扱いとは別に「有意度とは元々２データクラス要素間の大小関係である」という概念に基づいて新しい有意度の概念を徳高らは提案している。徳高らの提案手法の応用例はいくつかあるが、この提案手法は新しい概念であるために基本的な性能特性の解明はまだ十分とは言えない。そこで、データ分類でよく使われるフィッシャー・アンダーソンのアイリスデータを用いて、有意度の性質を明らかにし、実用的な適用例として眼底画像解析への応用からその有効性を明らかにする。

本論文では、自己組織化マップなどの解析に用いる時の脳波（EEG）波形の抽出と処理の手法についての試みを紹介する。我々は、脳波の測定と同時に測定されることが多いECGを用いた波形の抽出を提案する。安静止と軽運動時に測定された脳波の抽出と処理の解析結果について報告する。

SOMを用いて大規模データの分析を行う場合、並列・分散処理によってSOMの学習アルゴリズムを高速に実行することが有効である。本研究ではこれまで、バッチ学習型のSOMに対して、入力データの集合をいくつかに分割し、入力データ群の部分集合を個別の計算ノードに割り当てて勝者ノードの決定やコードベクトル更新量の算出などを行い、SOMの学習を並列に行う手法を提案した。さらに、各計算ノードにおいて、SOMの学習に関する演算をGPUによって行うことで、学習のさらなる高速化を実現してきた。本報告では、SOMの並列・分散処理におけるもうひとつの方法として、競合層を分割して個別の計算ノードに割り当てることで、大規模なSOMの学習を高速に行うことを試みる。

道路事業では，大規模災害時を想定した事業継続計画（BCP）を策定して，頑健な防災体制のもと，道路の維持管理に日々取り組んでいる．これらの取り組みの更なる高度化のため，災害時の状況把握に活用できる情報が潜在している可能性があるSNSに着目した．本研究では，既存の道路管理者の情報収集システムを補完もしくは拡充することを目的に，SNSに存在する災害情報をはじめとした道路情報を迅速に収集，分析する技術に係わる成果を報告する．本稿では，阪神高速道路を対象とした三ヵ年計画の研究結果を取りまとめる．

近年，道路管理者は自動車交通の実態把握にプローブデータを活用している．国土交通省は個別車両の一連のトリップを把握できるETC2.0プローブ情報の活用を推進しており，ETC2.0車載器の普及台数は370万台を超えている．データ蓄積量や取得特性を踏まえると，マクロ・ミクロの多角的観点から自動車交通の実態が把握できる可能性がある．ETC2.0プローブ情報の特長を活かすことで，既存の道路交通分析と比して詳細な分析ができる．本研究では，ETC2.0プローブ情報の特長を活かした道路交通分析の手法を提案する．本稿では，①交差点部の渋滞分析および②生活道路の交通状況の分析の各手法を報告する．